在R中对字符串进行清洗处理。

Question

这与之前的问题有关，链接在这里：将\u转义的Unicode字符串转换为ASCII 我提出了一种解决方案，涉及eval(parse(text=x))。对于非R用户，这意味着按照文本字符串进行解析，然后进行评估。目的不是允许执行任意代码，而是取消转义的Unicode文本。因此，解决方案如下：

eval(parse(text=paste0("'", x, "'")))

虽然由于受限的目标，这应该是相当安全的，但我很想知道：为了保持安全需要多少净化处理？

最少，我认为任何嵌入式的单引号和双引号都必须被转义。例如，假设我们有

x <- "this is a '; print(dir()); 'string"

按照上述片段对 eval 进行求值会执行中间的代码。因此，我们必须对引号进行转义：

eval(parse(text=paste0("'",
                       gsub("'", "\\\\'", x),
                       "'")))

同样地，对于双引号也是如此。我认为未转义的 Unicode 等价物 \u0022 和 \u0027 不是问题，因为对于解析器来说，它们与普通的 " 和 ' 是相同的。

我是否漏掉了这种方法中的任何问题？

- Hong Ooi

---

如果有一种不需要使用eval（也没有风险）的方式来解析转义字符串，那就太好了！ - seancarmody

我想到了一种不需要使用eval的替代方案：https://dev59.com/4mMm5IYBdhLWcg3wO9Hy#17771985 - seancarmody

Answer 1

this is a \'; print(dir()); 'string

被转义为：

'this is a \\'; print(dir()); 'string'

双斜杠会被视为字面上的反斜杠，引号是活动的，代码将被执行。

此外，我不知道R语言，但是使用原始控制字符（如换行符或无效转义）可能至少会导致崩溃。

eval一般都是一场赌博游戏。常规字符串处理（在字符串中搜索所需序列并替换它）是更好的方法，最好使用特定规范格式的现有库。例如，如果您有JSON，则使用JSON解析器。有许多可能使用\u转义的字符串文字格式，每种格式都有略微不同的规则，因此您需要正确选择确切的格式。

- bobince

---

实际上，解析器会在该输入上产生错误，因此整个表达式（包括嵌入的代码）将永远不会被评估。但这也不是很好... - Hong Ooi

Answer 2

有一个shQuote函数可以为您工作：

eval(parse(text=shQuote(x)))
# [1] "this is a '; print(dir()); 'string"

- Marek